基于Grabcut和SLIC的細胞圖像分割算法研究.pdf

1、細胞圖像背景復雜，形態(tài)不規(guī)則，利用計算機視覺技術對細胞圖像進行處理有一定的難度。因此，在醫(yī)療診斷應用中，對細胞圖像分割算法在分割精度和速度方面都提出了較高的要求。本文針對現(xiàn)有細胞圖像分割算法對噪聲敏感，對邊界分割不精確的問題，提出了改進的細胞圖像分割算法。
　　當前，在細胞圖像分割領域，基于能量最小化的圖割算法和基于超像素的分割方法是比較熱門的兩類方法。在基于能量最小化的圖割算法方面，傳統(tǒng)的Grabcut算法大幅度降低了用戶的交互

2、量，但仍然需要人工選定矩形框，自動化程度低，很難滿足實際應用需求。而在超像素分割算法方面，基于SLIC的超像素方法在邊界保持度和超像素形狀方面有較好的評價，但在細胞圖像邊緣較為模糊的區(qū)域，在迭代時會出現(xiàn)超像素分類錯誤的情況，生成錯誤的超像素，影響分割結果。本文針對Grabcut算法和基于SLIC的超像素分割算法分別進行了改進，使其在保證分割精度的同時又具有較為理想的運算速度。本文主要研究的內容和創(chuàng)新點包括以下方面:
　　一、本文提

3、出了一種結合HFT的Grabcut細胞圖像分割算法。首先采用視覺顯著性模型HFT計算細胞圖像的顯著圖，然后進行形態(tài)學閉運算操作得到細胞圖像的初始輪廓圖。用初始輪廓構造出矩形框，將矩形框與分形小波自適應去噪算法得到的細胞圖像融合，完成Grabcut算法的初始化。最后，把該矩形框傳遞給Grabcut算法，實時精確地實現(xiàn)細胞圖像的分割。實驗結果表明本文算法在提高算法自動化程度的同時，又具有較高的分割精度和較快的分割速度，可以滿足細胞圖像分析的

4、要求。
　　二、本文提出了一種基于改進的SLIC區(qū)域合并的宮頸細胞圖像分割方法。首先對宮頸細胞圖像進行均值漂移去噪處理消除細微噪聲點，然后進行二維Otsu自適應閾值處理得到初始輪廓，應用SLIC算法得到超像素區(qū)域，并融合到原圖中完成初始分割。最后，結合細胞圖像的灰度信息和梯度信息在初始分割圖中完成自動標記，利用最大相似準則進行合并。不需要預先設定分割閾值，沒有被標記的背景區(qū)域將成功合并到標記的背景區(qū)域，同時，沒有被標記的目標區(qū)域會